英文原题:
DMsan: A Multi-Criteria Decision Analysis Framework and Package to Characterize Contextualized Sustainability of Sanitation and Resource Recovery Technologies
通讯作者:Jeremy Guest,美国伊利诺伊大学厄巴纳-香槟分校
作者:Hannah A. C. Lohman, Victoria L. Morgan, Yalin Li, Xinyi Zhang, Lewis S. Rowles, Sherri M. Cook, and Jeremy S. Guest
摘要
内容简介
在资源有限的环境中,传统的卫生系统往往由于其与社区需求以及限制条件之间的不匹配而难以达成目标。Lohman 及 Morgan 等提出了一个适用于卫生和资源回收技术可持续性分析的多标准决策框架,并发布了开源软件 DMsan 用于此类分析。
文章解读
背景
在本研究中,作者团队开发了基于 Python 的开源软件 DMsan 用于卫生和资源回收系统的多准则决策分析(multi-criteria decision analysis, MCDA)。通过 DMsan,用户能够透明地比较不同的卫生和资源回收系统,并以此探究新兴技术的发展空间。根据文献中常用的分析标准,作者在 DMsan 的多标准决策框架中考虑了技术、资源回收、经济、环境、社会等五个标准类别及28个具体指标,并根据250个国家和地区的实际情况制定了不同的标准类别和指标权重组合。同时,用户也可以根据自身的需求对这些指标和权重组合进行调整。DMsan 还可以与开源软件 QSDsan 集成,从而实现系统设计、模拟、经济(通过技术经济分析,techno-economic analysis/TEA)、环境(通过生命周期评价,life cycle assessment/LCA)等多种指标的综合分析。除此之外,DMsan 和 QSDsan 允许用户对所有设计进行不确定性和灵敏性分析,从而评估和探究对系统可持续性影响最为显著的因素。
方法:
作者团队在本文中以一个位于乌干达坎帕拉的非正规居住区Bwaise为例(图1),以两种不同角度的分析,介绍了DMsan的核心功能。这两个分析示例包括(1)从决策者的角度出发,了解多种不确定因素下卫生选择的可靠性并增强决策透明度,以及(2)从技术开发者的角度出发,探寻扩展其技术发展空间的机会。通过这些示例,我们展示了DMsan在不同应用情境下评估卫生和资源回收系统、 增强决策透明度、拓展技术发展空间、以及确定优先研发目标等方面的实用性。
图1. 分析示例中讨论的三个系统,其中系统 A 为现有系统,系统 B 的集中污水处理环节采用了带有沼气回收系统的厌氧工艺,系统C则采用干湿分离厕所和不同的配套运输方式。
1
多标准决策框架
基于文献中对卫生系统的分析方法,作者在 DMsan 的默认分析框架中结合了层次分析法(analytical hierarchy process, AHP)和优劣解距离法(the technique for order by preference of similarity, TOPSIS)。此分析框架涵盖了技术、资源回收、经济、环境、社会等五个标准类别及28个具体指标,主要步骤包括:(1)选择标准类别和指标;(2)为标准和指标分配权重(DMsan 中有包含250个国家和地区的数据库可用于默认权重分配的计算),(3)确定指标得分,(4)计算每个系统的最终得分(图2)。
图2 DMsan中的多标准决策框架以及四个主要步骤。DMsan 完全开源(用户可在 GitHub 上查看所有代码)。
2
从决策者角度出发理解
标准类别权重对多标准决策的影响
在第一个分析实例中,作者在多标准决策中考虑了1000种不同标准权重的组合,并计算了三个备选系统在每一种权重组合之下的得分(图3)。系统A(现有系统)在1,000个标准权重场景中会被选中77次,替代方案B(沼气回收系统)在1,000个场景中被选中922次,而替代方案C(干湿分离系统)仅在1个场景中被选中。尽管系统B在92.2%的标准权重场景中优于系统A和C,但根据实际应用场景,每种系统仍有机会被选中。决策者可以按照应用社区的偏好来决定决策标准的重要性(即权重),并根据分析的结果确定最适合该社区的系统。
图3 不同标准权重情景下的决策评估。(A,B,C)在各种情景下该系统获得最高得分的概率(0-100%)。每条线表示单个标准权重情景,颜色较深的线表示更高的概率。(D,E,F)在三个备选系统中,该系统获胜概率最高的标准权重情景。
3
从技术开发者角度出发
拓展技术发展空间
在第二个分析实例中,我们讨论了可让系统A和C超越系统B的优先改进方向。在基准情况下,系统A在1000个权重方案中的7.3%中胜过系统B和C,但如果将高薪工作数量从零增加到12,或将人均年度成本从14.23 USD·capita-1·year-1降低到6.60 USD·capita-1·year-1,系统A被选中的情况则会从所有权重方案的7.3%分别增加到17.7%和12.6%(图4A)。对于系统C,对其基准得分影响最大的指标改进是将其资源损失从每人每年度0.50分降低到-0.52分以及将人均年度成本从14.23 USD·capita-1·year-1降低到6.60 USD·capita-1·year-1(图4B)。这两个改进会使系统C的被选中几率从0.1%提高至10.8%和6.9%。
若多个指标可以同时改进,则系统得分的提升会更为显著。对于系统A,当高薪工作和人均年度成本两个指标同时提升时,其被选中的几率则会从7.3%增加到29%的(图4C)。但需要注意的是,增加高薪工作数量将增加人均年度成本,但这些指标在此图4C的说明性分析中是独立变化的。同样对于系统C,同时减少资源损失和人均年度成本可以将其被选中的概率从0.1%提升到31.1%。
转自:“ACS美国化学会”微信公众号
如有侵权,请联系本站删除!